OpenAI o1 模型疑似提前开放图像理解功能，用户测试显示其具备较强的视觉推理能力，能分析截图、地图及图形题，但暂不支持视频输入。此外，Sam Altman 在社交媒体上误发 o2 在 GPQA 基准测试中取得 105% 成绩的消息，随后澄清为账号错误。OpenAI 方面表示产品发布节奏正在加快。Reasoning 新工具与 Canvas 集成进一步增强了复杂任务处理能力，对多模态应用开发及企业知识库建设具有重要参考价值。
近期，OpenAI 的 o1 模型疑似提前开放了图像理解功能，引发了技术社区的广泛关注。用户反馈显示，o1 模型在视觉推理、逻辑分析及多模态交互方面展现出显著进步。与此同时，OpenAI CEO Sam Altman 在社交媒体上关于 o2 模型的言论也引发了对下一代模型能力的讨论。
根据社区用户的测试反馈，o1 模型目前似乎已具备处理图像输入的能力。用户只需在模型选项中选择合适的版本（如 ChatGPT 4o mini 或特定配置），上传图像即可进行交互。这一功能的出现并非官方正式公告，有推测认为可能是底层微服务未完全隔离导致的内部功能外泄，或者是测试版向部分用户开放的灰度发布。
在实际测试中，o1 展现了较强的视觉理解与推理能力：
尽管图像理解能力有所突破，但目前 o1 尚未实现全多模态理解的完全覆盖。例如，用户上传的视频文件（mp4）暂时无法被读取和处理。这表明该功能仍处于迭代阶段，主要集中在静态图像的视觉推理上。
除了图像理解，o1 还引入了名为「Reasoning」的新工具，进一步增强了其在复杂任务中的处理能力。
在 4o+Canvas 环境中，用户可以通过以下步骤唤醒推理工具栏菜单：
/reason。该工具旨在辅助开发者进行更深入的逻辑推演和问题拆解，特别适用于需要多步骤规划的任务场景。
Sam Altman 曾在社交媒体上发文表示，听说 o2 已经在 GPQA（Graduate-Level Google Question Answering）上取得了 105% 的成绩。随后他澄清称这是发错账号的玩笑，但这一消息仍引发了外界对 o2 模型能力的猜测。
GPQA 是一个研究生级别的科学问题基准测试集，旨在评估大模型在生物学、物理学和化学等领域的深度知识推理能力。通常，人类专家在该数据集上的得分约为 60%-70%。如果模型能达到 105%，意味着其表现超越了人类平均水平，这在 AI 领域具有里程碑意义。
虽然 Altman 澄清了具体数值可能为误传，但这反映了 OpenAI 对提升模型在专业领域推理能力的重视。OpenAI 战略营销主管近日也表示，公司的产品发布节奏正在加快，未来可能会有更多更新推出。
o1 系列模型在图像理解和推理方面的增强，对 AI 应用开发产生了深远影响：
随着大模型技术的快速演进，掌握相关技能已成为行业趋势。建议开发者关注以下方向：
OpenAI o1 模型在图像理解和推理方面的进展，标志着多模态大模型迈出了重要一步。尽管部分功能仍处于测试或泄露状态，但其展现出的能力已足够引起行业重视。随着 o2 等后续版本的预期推进，AI 技术在专业领域的落地应用将更加深入。开发者应密切关注官方动态，及时调整技术栈以适应新的生态变化。
注：本文基于公开网络信息及社区测试反馈整理，具体功能以 OpenAI 官方发布为准。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online